作物效率评估在精准资源环境协同治理中的应用

《Environmental Impact Assessment Review》：Efficiency assessment of crops for precise resource-environment co-governance

　　

杨书月|范子颖|胡婷玉|杨伟|宋俊年

教育部地下水资源与环境重点实验室，吉林大学，长春130021，中国

摘要

优化农作物生产需要在提高资源利用效率的同时，尽量减少对环境的影响。然而，将多维环境指标与效率评估相结合的研究仍然有限。这限制了人们对农作物生产中资源利用与环境影响之间权衡和协同作用的全面理解。本研究结合生命周期评估和基于超效率松弛度的测量模型，评估了2011-2022年间中国吉林省60个县五种主要作物的环境足迹和总要素环境效率（TFEE）。通过使用十一个环境指标作为不良输出，并从作物-县的双重视角进行分析，揭示了作物之间的特异性以及空间异质性。结果显示，化肥始终是主要的影响来源，占总影响的近70%。主要的影响路径为“化肥-玉米-中部县-臭氧层损耗”。玉米的环境效率最为稳定且分布广泛，大部分县处于中等到高效范围内。县级TFEE在中部黑土区具有显著优势，而在西部旱地区域则存在局限性。2018年后观察到改善趋势，高效县的比例从8%增加到2022年的30%。本研究为设计具有空间差异性和效率导向的路径提供了证据，包括改进养分管理、低排放水稻种植以及在旱地区域采用节水实践，以支持向可持续农业的转型。

引言

人口的快速增长和日益多样化的饮食模式给全球农作物生产带来了前所未有的资源和环境压力（Foley等人，2011年）。未来几十年全球人口将持续增长（Crippa等人，2021年），从而推动食品需求量和多样性的增加。这一趋势将加剧农作物生产对土地、水资源和化学投入的依赖（IPCC，2022年）。化肥、农药、地膜、灌溉用电和柴油投入的持续增加有效提高了作物产量和经济效益，但也引发了一系列环境问题（Yang等人，2024a）。过度施用化肥会导致氮挥发以及氮和磷（N-P）的流失和渗漏，从而加剧大气氨排放和水体富营养化（Xu等人，2023年）；大规模使用农药会增加土壤和水生生态系统中的化学负担，威胁农业生态系统的稳定性（Ni等人，2025年；Beaumelle等人，2023年）；机械作业过程中柴油燃烧会排放大量二氧化碳（CO₂）、氮氧化物（NO_x）和细颗粒物（PM_2.5），加剧全球变暖和空气污染（Zhuang等人，2025年）。这些因素共同对农作物生产的可持续性构成了严峻挑战。

迫切需要通过同时减少环境负担和提高资源利用效率来优化农作物生产。尽管生命周期评估（LCA）已在农业研究中得到广泛应用，但大多数现有研究都是单独评估环境影响的，要么关注个别过程（Li等人，2024年），要么关注单一作物（Liu等人，2021年），或者仅考虑有限的环境指标，如气候变化或富营养化（Romeiko等人，2020年）。虽然最近的研究已经扩展到涵盖碳、水、氮和土地的多维足迹核算（Adlan等人，2025年；Xian等人，2023年；Xing等人，2022年；Yu等人，2023年），但这些评估通常没有嵌入到效率框架中（Wu等人，2025a）。因此，虽然量化了环境负担，但其与投入利用和生产绩效之间的关系仍不清楚。

在效率方面，数据包络分析（DEA）已被广泛用于评估农业生态效率（Wang等人，2021年）。然而，农业中传统的DEA应用主要是以经济投入和期望输出为焦点的径向模型，而环境影响通常用一个汇总的不良输出来表示，最常见的是碳排放，或者没有完全纳入生产前沿（Yang等人，2023年）。这种简化的处理方式限制了DEA捕捉LCA所识别的多维环境负担的能力，可能低估了环境约束。

为了解决这些局限性，提出了几种非径向DEA扩展方法。例如，定向距离函数（DDF）方法允许在预定义的定向向量上扩展期望输出，同时收缩不良输出（Sharma和Majumdar，2021年）。然而，当涉及多个不良输出时，定向向量的指定可能会引入额外的假设（Chen等人，2023年）。相比之下，基于松弛度的测量（SBM）是一种非径向DEA扩展方法，它直接将代表投入过剩和输出不足的松弛变量纳入效率评估，无需预先定义方向（Tone，2001年）。与DEA-DDF相比，SBM模型不需要指定定向向量，并直接纳入松弛变量，特别适用于评估具有多个不良输出的生产系统（Tian等人，2026年）。SBM框架还被扩展用于处理不良输出和超效率排名（Tone，2002年；Tone等人，2020年；Cheng，2014年；Chen等人，2021年），并在环境和生态效率研究中得到越来越多的应用（Chen和Liu，2022年；Zhou和Xu，2022年）。然而，大多数基于SBM的农业研究仍然只包括一个或少数几个环境指标（Addis，2025年），而不是系统地将多维LCA得出的影响嵌入效率前沿。因此，在将多维环境足迹结构化地整合到TFEE框架中方面仍存在方法论差距。

除了方法论限制之外，还存在空间结构上的差距。现有研究通常只在总体区域层面或单独针对个别作物评估效率，很少在统一的分析框架内联系作物层面的异质性和县级结构差异（Czy?ewski等人，2026年）。如果没有协调的作物-县双重视角，很难确定效率低下是由于作物组成、空间资源禀赋还是投入分配策略造成的。这种分离限制了在区域农作物生产系统（CPS）内诊断生产绩效与环境影响之间权衡和协同作用的能力。

本研究选择吉林省作为案例区域。吉林省位于具有全球重要意义的黑土带范围内，与乌克兰的黑土地区和美国中西部等主要农业区相当（Rockstr?m等人，2026年）。这些地区具有较高的自然肥力和集约化的耕作模式，对粮食安全做出了重大贡献，但在高投入的CPS下面临着土壤退化、营养失衡和环境污染日益增加的压力（Ge等人，2025年）。吉林省还包括西部旱地区域、中部黑土地区和东部涼山地区，反映了全球CPS中常见的气候梯度和资源约束（Wang等人，2025a）。此外，其高投入和高产出的生产模式符合全球农业集约化的趋势，使其成为研究生产率-环境权衡的代表性案例（Jwaideh和Dalin，2025年）。

为了解决上述限制，本研究开发了一个综合评估框架，将完整的生命周期环境足迹与TFEE相结合。基于超过60个县的12年多源统计数据，首先采用“从摇篮到农场大门”的LCA方法来量化吉林省五种主要作物的环境影响，涉及十一个环境指标。然后将这些多维影响作为不良输出纳入超效率SBM模型。所提出的框架在作物层面和县层面评估TFEE，从而揭示了空间单元内部和之间的结构异质性，并识别出关键的影响作物和空间热点。通过将多维环境约束纳入TFEE前沿，并引入协调的作物-县双重视角，本研究推进了方法论的整合。研究结果能够系统地绘制出研究期间县级、作物级和指标 específico 的环境足迹和TFEE轨迹，提供了关于复杂CPS中环境影响和资源利用如何共同演变的多维理解。这些见解为农业中的差异化绿色管理和碳污染协同控制提供了科学基础和实际指导。

章节片段

研究框架

建立了一个全面的CPS评估框架，以共同评估环境影响和环境效率（图1）。LCA应用于五种主要粮食作物（水稻、小麦、玉米、大豆和马铃薯）。近年来，这些作物占吉林省总播种面积的90%以上和总产量的95%以上（2022年分别为90.66%和98.69%）（NBSC，2023c）。

遵循LCA的“从摇篮到农场大门”原则（ISO，2016；Cucurachi等人

在省级层面，从2011年到2022年，五种主要作物的环境影响呈现出先增加后减少的趋势（图1a）。综合环境影响从2011年到2015年持续上升，在2015年达到峰值（5.4 × 10⁷），比2011年（3.8 × 10⁷）高出42.1%。这种增长主要是由臭氧层损耗（OD）和淡水富营养化（FEU）驱动的，这对应于播种面积扩大和农业投入集约化的时期

本研究建立了一个结合LCA和超效率SBM模型的综合分析框架，实现CPS的环境足迹和环境效率的二维评估。通过覆盖五种主要作物和十一个中间影响类别的县级数据，该分析捕捉了时间和空间上的多维环境负担及其结构驱动因素。将多种环境影响作为不良输出纳入SBM

本研究开发了一个综合的LCA-超效率SBM框架，全面评估了2011-2022年间吉林省60个县的主要作物的环境足迹和TFEE。通过在县和作物层面共同评估环境影响和环境效率，研究得出了几个关键发现：

作者声明他们没有任何已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

本研究得到了吉林省自然科学基金杰出青年基金（编号：20240101030JJ）的支持。